AgenticIE：用于从复杂监管文件中提取信息的自适应智能体
计算与语言
2026-01-15 v3
摘要
欧盟法规要求的性能声明（DoP）文件规定了建筑产品的特性，如防火性能和隔热性能。虽然这些信息对于质量控制和减少碳足迹至关重要，但其不易被机器读取。尽管存在内容要求，DoP 文件在布局、模式和格式上表现出显著差异，加之其多语言特性，进一步增加了处理难度。在本工作中，我们将 DoP 关键信息抽取（KIE）和问答（QA）定义为新的自然语言处理任务。为应对这一挑战，我们设计了一个基于规划器-执行器-对应器模式的领域专用 AgenticIE 系统。为评估，我们引入了一个高密度、专家标注的复杂多页监管文档数据集，涵盖英文和德文。与标准信息抽取数据集（如 FUNSD、CORD）稀疏标注不同，我们的数据集包含超过 15K 个标注实体，平均每篇文档超过 190 个标注。我们的智能体系统在 KIE 和 QA 任务上优于静态和多模态大语言模型基线，在精确匹配（EM）得分上分别达到 0.396 对 0.342（GPT-4o，+16%）和 0.314（GPT-4o-V，+26%）。我们的实验分析验证了智能体系统的优势，以及我们新的 DoP 数据集所具有的挑战性。
引用
@article{arxiv.2509.11773,
title = {AgenticIE: An Adaptive Agent for Information Extraction from Complex Regulatory Documents},
author = {Gaye Colakoglu and Gürkan Solmaz and Jonathan Fürst},
journal= {arXiv preprint arXiv:2509.11773},
year = {2026}
}